基于集合经验模态分解和改进极限学习机的短期风速组合预测研究

• 作者: 宁文辉 张承学 张翌晖 王凯 王贺 胡志坚 黄东山
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 风速 预测 改进极限学习机 集合经验模态分解 相空间重构
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 理论分析
• 页码范围: 29-34
• 页数: 6页
• 分类号: TM715
• 字数: 4184字
• 语种: 中文

摘要

提出一种基于集合经验模态分解（Ensemble empirical mode decomposition）和改进极限学习机（Improved Extreme Learning Machine，IELM）的新型短期风速组合预测模型。采用集合经验模态分解将风速序列分解成不同频段的分量，以降低序列的非平稳性。使用改进极限学习机对各分量分别建模预测，为避免极限学习机输入维数选取的随意性和分量信息丢失等问题，先对各分量重构相空间，最后将各分量预测结果叠加得到最终预测结果。实例研究表明，所提的组合预测模型具有较高的预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张承学	武汉大学电气工程学院	87	1421	22.0	33.0
2	胡志坚	武汉大学电气工程学院	119	2526	24.0	48.0
3	宁文辉		8	70	4.0	8.0
4	黄东山		8	68	3.0	8.0
5	王贺	武汉大学电气工程学院	20	528	8.0	20.0
6	张翌晖		3	169	3.0	3.0
7	王凯		1	22	1.0	1.0